○ 금융 분야데이터 거래소
-
개요 및 목적․
금융 생태계 활성화를 위한 금융 데이터 활용 기반의 생태계 조성 필요성 대두․
하지만 핀테크, 창업 기업 등은 기존 대형 금융회사보다 활용 데이터가 부족.․
이에 개인정보 활용을 위한 데이터 개방으로 공공 인프라를 구축할 뿐만 아니라 민간 부문과의 상호 보완을 통한 빅데이터 시장조성.-
플랫폼 프로세스․
금융보안원에 비식별 정보, 기업 정보 등 데이터를 공급자와 수요자가 상호 매칭되어 거래할 수 있는 중개 시스템 구축.․
정부 유관부처와의 협업으로 데이터 거래 과정 전반의 체계적 지원.․
거래 이후에는 데이터 결합을 수행하는 데이터 전문기관과의 연계를 통해 원스톱 데이터 중개·결합 서비스를 제공․
이를 통해 다양한 형태로 이종 산업 간의 융합을 촉진<그림 70> 금융 분야 빅데이터 거래소
*출처 : 금융위원회, 2019
○ IBM 마이데이터 플랫폼 구축 요인
-
개요 및 목적․
마이데이터는 개인에게 개인정보의 자기 결정권을 보장하고 사업자는 개인정보를 일괄 수집하여 맞춤형 금융 서비스를 제공할 수 있는 생태계.․
마이데이터 사업이 성공하기 위해서는 고도화된 데이터 분석 인프라를 통해 고객데이터 기반의 인사이트를 도출하고 실시간 분석이 가능해야 함.․
수익 창출을 위해 기존 사업과 연계될 뿐만 아니라 타 금융기관, 핀테크, 데이터 분석 회사 등 신속한 연계를 위해 오픈 플랫폼이 필요.․
보안뿐만 아니라 프라이버시에 대해 민감도가 높으므로 보안사고는 신뢰와 연결되기에 보안사고 방지를 위한 협력 인프라가 필요.-
플랫폼 프로세스․
다양한 결합을 보장하기 위해 플랫폼 기반으로 데이터 중심의 기술과 아이디어가 결합될 수 있는 환경으로 차별화된 가치 창출을 위해 금융 데이터, 활용을 위한 API, 서비스와 보안이며 상호작용과 연결을 위한 클라우드 환경이 필요.․
데이터 활용은 단순히 데이터 제공과 분석을 위한 환경 조성으로 끝나는 것이 아닌 소비자와의 소통 채널을 통해서 소비자들에 대한 이해를 바탕 으로 창의적인 서비스가 개발될 수 있음.<그림 71> IBM 마이데이터 사업 오픈 플랫폼 프레임워크
*출처 : IBM K-data grand conference, 2021
○ 국가소재연구데이터 플랫폼
-
개요 및 목적․
신소재 연구 개발 활성화를 위해 소재연구 전 과정에서의 모든 데이터를 수집하고 관리 기능을 모듈화하여 연구 효율성을 높이고 데이터의 소유 권과 지식재산권을 보장-
플랫폼 프로세스․
한 번의
로그인을 통해 논문, 보고서, 연구 데이터, 데이터 분석, 슈퍼컴 퓨팅 지원 등에 대하여 통합검색이 가능․
이 프레임워크은 연구를 위해 필요한 고가의 장비와 기존의 지식을 쉽게 이용하고 공유할 수 있는 환경을 조성함으로써 더 많은 부가가치가 창출 될 수 있는 프레임워크를 만드는 것을 중점으로 하고 있다는 것을 확인 할 수 있음<그림 72> 국가연구데이터플랫폼 프레임워크
*출처: 데이터분석플랫폼센터, 2020
○ 유통소비 빅데이터 플랫폼 및 센터 체계도
-
개요 및 목적․
국가 빅데이터 플랫폼 구축 10개 분야 중 유통 분야의 데이터 플랫폼.․
빅데이터의 단순 축적이 아닌 실제 융합과 가공을 통한 부가가치 창출 활동이 핵심-
플랫폼 프로세스․
분야별 빅데이터 센터에서 수집된 데이터를 맥락별로 분리하고 기는 플 랫폼 참여하는 기업들이 생산, 수집한 데이터와 연계되어 빅데이터를 구성.․
수집된 빅데이터는 여러 분야별로 융합되어 재가공.․
가공된 데이터는 품질 보증, 검색, 컨설팅 등의 유통 과정을 통해 중소 기업, 연구자, 신상품 기획 등 다양한 곳에서 사용․
자본으로써 데이터는 사용에 대해서 가치를 잃는 것이 아닌 가공과 다 양한 사용처를 통해서 계속해서 사용될 수 있음.․
이에 센터 수집 데이터 뿐만 아니라 플랫폼에 참여한 기업데이터가 축 적되고 계속해서 재가공을 통한 융합으로 많은 영역에 새로운 부가가치 를 창출할 수 있음.<그림 73> 유통·소비 빅데이터 플랫폼 및 센터 체계도
○ 데이터 분석 플랫폼 생태계 프레임워크
-
개요 및 목적․
공공데이터 플랫폼은 태생적으로 공공에 치우쳐져 있어 급격하게 변화 하는 사회 환경과 비즈니스에 맞춰 자생적으로 변화하지 못함.․
데이터 수집, 분석, 활용을 위한 기업의 역량에 많은 차이로 소수의 특 정 기업만 플랫폼을 활용하며 기업들 사이에 격차가 심해지는 현상이 존재-
플랫폼 프로세스․
데이터 축적에 의한 단순 개방에 그치지 않고 데이터 활용과 서비스에 있어 제3의 기업과 함께할 수 있는 민관 협력 구조의 프로세스 필요.․
공공기관의 데이터 개방과 운영이 아닌 역량이 가능한 민관의 데이터 전 주기에 걸친 참여를 통해 플랫폼에 참여하는 기업과 개인뿐만 아니라플랫폼을 통해 효용을 얻을 사용자들이 더 좋은 환경과 서비스를 받을 수 있음.
․
데이터의 축적과 개방을 중심으로 운영되는 플랫폼이 아니라 민관의 역량이 가능한 기업 또한 플랫폼 환경을 조성하기 위한 참여자로서 다양한 서비스 들이 구축됨으로써 변화하는 환경에 자생적으로 변화할 수 있는 환경이 필요.․
뿐만 아니라 빅데이터 플랫폼에서 데이터 전 주기에 걸쳐 역량을 갖춘 기업들의 자율적인 참여함으로써 데이터를 구입하거나 받는 것에서 멈추지 않고 실제 데이터를 활용한 부가가치를 창출할 수 있는 협력의 생태계임<그림 74> 데이터 분석 플랫폼 생태계 프레임워크
*출처 : 4차산업혁명위원회, 2021
○ 데이터 플랫폼 프레임워크 소결
-
데이터를 통한 부가가치 창출이 가능한 환경을 조성하기 위한 움직임이 존재.-
현재 구축을 위한 빅데이터 플랫폼 프레임워크 사례를 통해 필요한 점을 정리․
최종 사용자와의 커뮤니케이션을 통해서 사용자의 경험과 욕구를 파악 이 필요․
데이터의 축적과 개방에서만 그치는 것이 아닌 데이터를 활용할 수 있 는 분석과 활용의 환경이 필요.․
국가 소재데이터플랫폼의 경우에는 장비와 지식이라는 진입장벽으로 새 로운 연구의 어려움 극복을 위해서 고가의 장비와 컴퓨팅을 공유하는 등, 새로운 부가가치를 창출하기 위해 고가의 장비, 기존의 데이터 등을 공유하고 협력할 수 있는 생태계가 필요.․
플랫폼을 구성하기 위해서는 공공의 운영만으로는 부족. 이를 위해서는 플랫폼에서 수집, 거래, 분석, 활용이라는 데이터 전 주기에서 역량을 갖춘 여러 제3의 기업들의 참여를 통해 플랫폼이 변화하는 환경에서 스스로 진화하고 변할 수 있는 구조가 필요4.2.3. 전문가 설문을 활용한 기상산업 빅데이터 플랫폼(가칭) 참여요인 도출
○ 플랫폼 기반의 생태계를 조성하고 플랫폼의 선순환적인 가치 창출을 고려하기 위해서는 플랫폼 참여자들의 참여 동인을 탐색함으로써 어떠한 요인을 통해 참여할지를 파악하는 것이 필요.
○ 이에 플랫폼에 공급자로서 참여할 기상산업 기업들의 참여요인을 탐색 ○ AHP 설문 개요
-
AHP는 Saaty(1977)이 개발한 의사결정 도구로서, 수학적인 이론보다도 쌍대비교를 통한 전문가들의 직관을 바탕으로 하는 의사결정 방법론.-
AHP는 최종적인 목적 아래 하위기준들을 수립하고, 상위 목표의 관점에 서 하위기준을 평가하여 가중치를 부여하는 방식으로 주관적 판단을 정량 화한 의사결정 방법.○ AHP 설문 특징
-
(명확한 구조) 정량적인 방법으로 문제를 해석하기 때문에 이해하기 쉬운 명확한 구조-
(쌍대비교) 복잡하고 불분명한 문제에 대해서는 여러 계층으로 분리하여 부분적인 관계를 쌍대비교를 통해 분석.-
(집단 의사결정) 전문가 간의 의사결정에 있어 각각의 의견을 기하평균을 적용하여 합산.<그림 75> AHP 설문 구조
○ 전문가 AHP 설문 설계
-
기상산업빅데이터플랫폼(가칭) 구축 시에 기상산업 기업들의 자발적 참여를 위한 요인을 탐색하기 위해 사례 연구를 통해 도출되었던 요인과 데이터 플랫폼 구성 요인과 관련된 선행연구를 통해 AHP 설문을 설계.상위 과제 정의
데이터 특성 데이터 활용을 위해 데이터의 다양성, 품질관리, 표준화 등에 데이터 활용 품질 개선
데이터 활용 인프라 데이터 생산부터 가공 활용까지의 데이터 전 주기의 인프라 (관계부처, 2021)
플랫폼 신뢰성 플랫폼에서의 분배, 거래 계약과 그에 대한 절차가 있어 신뢰성 있게 운영될 수 있는 체계 (구경수 & 박문수, 2016)
플랫폼 유용성 픔랫폼을 통해 부가가치 창출이나 교환이 이뤄짐으로써 얻을 수 있는 효능감(Jansse& Estevez, 2013; 이지형 외, 2020)
<표 17> 기상산업 참여요인 도출 전문가 AHP 설문 상위 과제 조작적 정의
상위 과제 세부 과제 정의
데이터 특성
데이터 다양성 일부 분야가 아닌 다양한 분야의 데이터 구축 (이지형 외, 2021) 양질 데이터 오류 추정 및 원시 데이터 분석과 같은 데이터 신뢰성 점검을 통한 데
이터 신뢰성 확보 체계 마련 (차경엽& 심광호, 2010)
데이터 연계성 데이터 표준화를 바탕으로 자사의 시스템, 서비스, 자원을 활용 가능한 데이터 구축 (관계부처, 2021)
데이터 인프라활용
데이터 공급 체계
주기적 데이터 수요 조사 및 다른 플랫폼과 연계된 다양한 거래 채널 지원을 통한 데이터 공급 업체의 투자 유도 (관계부처, 2021)
데이터 분석 체계
시각화뿐만 아니라 클라우드 기반의 고도화된 데이터 분석 지원(Python, Auto ML 등) 및 데이터 분석 기업과의 연계 지원 (관계부처, 2021) 데이터 활용
체계
창업 기술, 서비스 개발 지원을 위해 활용 컨설팅 및 지능화 기술 등 접목 컨설팅 지원 (관계부처, 2021)
플랫폼 신뢰성
분배공정성 플랫폼 기여의 대가가 얼마나 공정하게 분배되는지 지각하는 정도(이 동민 외, 2014)
절차공정성 플랫폼 참여의 보상 혹은 의사결정의 절차나 과정에서 얼마나 공정한 지 지각하는 정도 (이동민 외, 2014)
거래합리성 플랫폼 내 거래의 가격 책정과 계약 절차가 객관적이고 합리적인지 정 도 (권혁인 외, 2013)
플랫폼 유용성
인센티브 획득 플랫폼 참여자들의 데이터 거래, 데이터 분석 등 플랫폼 안에서의 참 여 기여도에 따른 보상 체계(이지형 외, 2020)
서비스 및 플랫폼 개발
플랫폼의 데이터 및 분석 기술을 통한 새로운 서비스 및 플랫폼 개발 기회 (권혁인 외, 2013)
자원보완성 획득
플랫폼을 통한 필요 데이터 공급, 분석 기술 활용을 통한 기업의 안정 적 자원 공급 가능 Ganesan 1994, 김재현&이상윤, 2019)
<표 18> 기상산업 참여요인 도출 전문가 AHP 설문 하위 과제 조작적 정의
○ AHP 설문 결과 비즈니스 모델 캔버스 대입
<그림 76> AHP 설문 비즈니스 모델 캔버스 대입